如何在 Pandas 中使用多级索引进行分组？

在 Pandas 中，我们可以使用多级索引对数据进行高效的分组和分析。本文将介绍如何使用多级索引对数据进行分组操作，并给出一些示例代码供读者参考。

更多Pandas相关文章，请阅读：Pandas 教程

多级索引是什么？

多级索引是指在一个轴（通常是行或列）上有多个级别的索引。在 Pandas 中，多级索引可以用来处理复杂的数据集，尤其是具有层次结构的数据集。

例如，我们有一个存储了两个城市（上海和北京）每天的温度和湿度数据的数据集，其中每天都有多个时间点的数据。使用单级索引可能需要创建一个时间点和城市的复合索引来实现数据的有效组织。然而，如果我们使用多级索引，它可以轻松地表示一个时间点和城市的复合索引。

如何创建多级索引？

在 Pandas 中，可以通过在 DataFrame 或 Series 中提供一个列表、元组或数组来创建多级索引。下面是一些示例代码：

import pandas as pd

# 创建一个具有两个级别的多级索引
tuples = [('one', 'a'), ('one', 'b'), ('two', 'a'), ('two', 'b')]
index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
s = pd.Series([1, 2, 3, 4], index=index)
print(s)

# 创建一个由数组组成的多级索引
arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
          ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
index = pd.MultiIndex.from_arrays(arrays, names=['first', 'second'])
df = pd.DataFrame({'A': [1, 2, 3, 4, 5, 6, 7, 8], 'B': [10, 20, 30, 40, 50, 60, 70, 80]}, index=index)
print(df)

上述示例中，我们分别创建了一个两级索引的 Series 和一个两级索引的 DataFrame。在创建多级索引时，需要为每个级别指定一个名称。

如何使用多级索引进行分组？

在 Pandas 中，使用多级索引进行分组和分析非常容易。使用 groupby() 方法可以按照指定的索引级别进行分组。下面是一些示例代码：

import pandas as pd

# 创建一个由数组组成的多级索引
arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
          ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
index = pd.MultiIndex.from_arrays(arrays, names=['first', 'second'])
df = pd.DataFrame({'A': [1, 2, 3, 4, 5, 6, 7, 8], 'B': [10, 20, 30, 40, 50, 60, 70, 80]}, index=index)

# 按照第一级索引进行分组
grouped = df.groupby('first')
for name, group in grouped:
    print(name)
    print(group)

# 按照第二级索引进行分组
grouped = df.groupby('second')
for name, group in grouped:
    print(name)
    print(group)

# 按照多级索引进行分组
grouped = df.groupby(['first', 'second'])
for name, group in grouped:
    print(name)
    print(group)

在上述示例中，我们首先创建了一个由数组组成的多级索引的 DataFrame。然后，使用 groupby() 方法按照第一级或第二级索引进行分组，并打印每个组的内容。

如何使用多级索引进行统计分析？

使用多级索引进行统计分析非常简单。与单级索引类似，我们可以使用多种方法计算每个组的总和、平均值、中位数等。下面是一些示例代码：

import pandas as pd

# 创建一个由数组组成的多级索引
arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
          ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
index = pd.MultiIndex.from_arrays(arrays, names=['first', 'second'])
df = pd.DataFrame({'A': [1, 2, 3, 4, 5, 6, 7, 8], 'B': [10, 20, 30, 40, 50, 60, 70, 80]}, index=index)

# 计算每个组的总和
grouped = df.groupby('first')
print(grouped.sum())

# 计算每个组的平均值
grouped = df.groupby('second')
print(grouped.mean())

# 计算每个组的中位数
grouped = df.groupby(['first', 'second'])
print(grouped.median())

在上述示例中，我们使用 sum()、mean() 和 median() 方法分别计算了按照第一级、第二级和多级索引分组后的总和、平均值和中位数。

如何使用多级索引进行重塑？

使用多级索引进行重塑是 Pandas 中的重要操作之一，它可以将数据从一种格式转换成另一种格式。下面是一些示例代码：

import pandas as pd

# 创建一个由数组组成的多级索引
arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
          ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
index = pd.MultiIndex.from_arrays(arrays, names=['first', 'second'])
df = pd.DataFrame({'A': [1, 2, 3, 4, 5, 6, 7, 8], 'B': [10, 20, 30, 40, 50, 60, 70, 80], 'C': [100, 200, 300, 400, 500, 600, 700, 800]}, index=index)

# 将多级索引的列转换成单级索引
df2 = df.stack()
print(df2)

# 将单级索引的列转换成多级索引
df3 = df2.unstack()
print(df3)

在上述示例中，我们首先创建了一个由数组组成的多级索引的 DataFrame，然后使用 stack() 方法将列转换成多级索引，使用 unstack() 方法将多级索引的列转换回单级索引列。